ಜನಸಂಖ್ಯಾ ತಳಿಶಾಸ್ತ್ರ ಡ್ರಿಫ್ಟ್ ಸಿಮ್ಯುಲೇಟರ್
ಜನಸಂಖ್ಯಾ ತಳಿಶಾಸ್ತ್ರ ಡ್ರಿಫ್ಟ್ ಸಿಮ್ಯುಲೇಟರ್ ಎನ್ನುವುದು ಡಿಪ್ಲಾಯ್ಡ್ Wright–Fisher ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ತಟಸ್ಥ ತಳಿ ಡ್ರಿಫ್ಟ್ (neutral genetic drift) ಅನ್ನು ಸಿಮ್ಯುಲೇಟ್ ಮಾಡಲು ಮತ್ತು ದೃಶ್ಯೀಕರಿಸಲು ಸಹಾಯ ಮಾಡುವ ಉಚಿತ ಆನ್ಲೈನ್ ಸಾಧನವಾಗಿದೆ. ಒಂದು ಸಿಮ್ಯುಲೇಟೆಡ್ ಸಂತಾನೋತ್ಪತ್ತಿ ಜನಸಂಖ್ಯೆಯನ್ನು ಹೊಂದಿಸುವ ಮೂಲಕ, ಬಳಕೆದಾರರು ಅನೇಕ ಸ್ವತಂತ್ರ ಜನಸಂಖ್ಯೆಗಳಲ್ಲಿ ಮರುಸೃಷ್ಟಿಸಬಹುದಾದ ಆಲೀಲ್-ಆವರ್ತನ ಪಥಗಳನ್ನು ಅನುಸರಿಸಬಹುದು ಮತ್ತು ಹೋಲಿಸಬಹುದು. ತಲೆಮಾರುಗಳು ಕಳೆದಂತೆ ತಳಿ ವ್ಯತ್ಯಾಸಗಳು ಹೇಗೆ ನಷ್ಟವಾಗುತ್ತವೆ ಅಥವಾ ಸ್ಥಿರಗೊಳ್ಳುತ್ತವೆ ಎಂಬುದನ್ನು ಇದು ತೋರಿಸುತ್ತದೆ. ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯು (random sampling) ಕಾಲಾನಂತರದಲ್ಲಿ ಆಲೀಲ್ ಆವರ್ತನಗಳ ಮೇಲೆ ಹೇಗೆ ಪ್ರಭಾವ ಬೀರುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಈ ಉಪಕರಣವು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದು ಸಿಮ್ಯುಲೇಟೆಡ್ ಹೆಟೆರೋಜೈಗೋಸಿಟಿ, ಸ್ಥಿರೀಕರಣ ಮತ್ತು ನಷ್ಟದ ದರಗಳನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ, ಆದರೆ ನೈಜ-ಪ್ರಪಂಚದ ವಿಕಾಸದ ಫಲಿತಾಂಶಗಳನ್ನು ಊಹಿಸುವುದಾಗಿ ಹೇಳಿಕೊಳ್ಳುವುದಿಲ್ಲ.
ಜನಸಂಖ್ಯೆಯ ಸೆಟಪ್ ಮತ್ತು ಇನ್ಪುಟ್ಗಳು
ಬಳಕೆದಾರರು ಸಿಮ್ಯುಲೇಶನ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಲು "ಜನಸಂಖ್ಯೆಯ ಸೆಟಪ್" ಇಂಟರ್ಫೇಸ್ನಲ್ಲಿ ಈ ಕೆಳಗಿನ ನಿಯತಾಂಕಗಳನ್ನು ಒದಗಿಸಬೇಕು:
- ಸನ್ನಿವೇಶಗಳು (Presets): ಬಳಕೆದಾರರು ಮೊದಲೇ ಹೊಂದಿಸಲಾದ ಈ ಕೆಳಗಿನ ಸನ್ನಿವೇಶಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು:
- ಸಣ್ಣ ಜನಸಂಖ್ಯೆ
- ದೊಡ್ಡ ಜನಸಂಖ್ಯೆ
- ಅಪರೂಪದ ಆಲೀಲ್
- ಪರಿಣಾಮಕಾರಿ ಜನಸಂಖ್ಯೆಯ ಗಾತ್ರ, Ne: ಇದನ್ನು "ಸಂತಾನೋತ್ಪತ್ತಿ ಮಾಡುವ ವ್ಯಕ್ತಿಗಳು" ಎಂಬ ಇನ್ಪುಟ್ನಲ್ಲಿ ನಮೂದಿಸಬೇಕು. ಇದು 1 ರಿಂದ 100,000 ರವರೆಗಿನ ಪೂರ್ಣ ಸಂಖ್ಯೆಯಾಗಿರಬೇಕು.
- ಪ್ರಾರಂಭದ ಆಲೀಲ್ ಆವರ್ತನ, p₀: ಇದನ್ನು "ಅನುಪಾತ, 0–1" ಆಗಿ ನಮೂದಿಸಬೇಕು. ಇದು ಎರಡೂ ಗಡಿಗಳನ್ನು ಒಳಗೊಂಡಂತೆ 0 ಮತ್ತು 1 ರ ನಡುವೆ ಇರಬೇಕು.
- ತಲೆಮಾರುಗಳು: ಇದನ್ನು "ತಲೆಮಾರುಗಳು" ಇನ್ಪುಟ್ನಲ್ಲಿ ನಮೂದಿಸಬೇಕು. ಇದು 1 ರಿಂದ 2,000 ರವರೆಗಿನ ಪೂರ್ಣ ಸಂಖ್ಯೆಯಾಗಿರಬೇಕು.
- ಸ್ವತಂತ್ರ ಜನಸಂಖ್ಯೆಗಳು: ಇದನ್ನು "ರೆಪ್ಲಿಕೇಟ್ಗಳು" ಇನ್ಪುಟ್ನಲ್ಲಿ ನಮೂದಿಸಬೇಕು. ಇದು 1 ರಿಂದ 200 ರವರೆಗಿನ ಪೂರ್ಣ ಸಂಖ್ಯೆಯಾಗಿರಬೇಕು.
- ಯಾದೃಚ್ಛಿಕ ಸೀಡ್: ಸಿಮ್ಯುಲೇಟೆಡ್ ಪಥಗಳನ್ನು ಮರುಸೃಷ್ಟಿಸಲು ಬಳಸಲಾಗುವ ಪಠ್ಯ ಕ್ಷೇತ್ರ ಇದಾಗಿದೆ. ಇದು 100 ಅಕ್ಷರಗಳು ಅಥವಾ ಅದಕ್ಕಿಂತ ಕಡಿಮೆ ಇರಬೇಕು. ಬಳಕೆದಾರರು ಹೊಸ ಯಾದೃಚ್ಛಿಕ ಇನ್ಪುಟ್ ಪಡೆಯಲು "ಹೊಸ ಸೀಡ್" ಬಟನ್ ಅನ್ನು ಕ್ಲಿಕ್ ಮಾಡಬಹುದು.
ಸಿಮ್ಯುಲೇಶನ್ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಔಟ್ಪುಟ್ಗಳು
ಸಿಮ್ಯುಲೇಶನ್ ರನ್ ಮಾಡಿದ ನಂತರ, ಉಪಕರಣವು ಈ ಕೆಳಗಿನ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಲೇಬಲ್ಗಳನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ:
ಸ್ಥಿತಿ ಸಂದೇಶಗಳು
ಜನಸಂಖ್ಯೆಯ ಸನ್ನಿವೇಶವನ್ನು ಬದಲಾಯಿಸಿ ಅಥವಾ ಈ ಸೀಡೆಡ್ ಉದಾಹರಣೆಯನ್ನು ಮತ್ತೊಮ್ಮೆ ರನ್ ಮಾಡಿ.ಮುಂದಿನ ತಲೆಮಾರುಗಳನ್ನು ಮಾದರಿ ಮಾಡಲಾಗುತ್ತಿದೆ…“‹seed›” ಸೀಡ್ ಬಳಸಿ ‹generations› ತಲೆಮಾರುಗಳ ಮೂಲಕ ‹replicates› ಜನಸಂಖ್ಯೆಯನ್ನು ಸಿಮ್ಯುಲೇಟ್ ಮಾಡಲಾಗಿದೆ.
ಆಲೀಲ್-ಆವರ್ತನದ ಪಥಗಳು (ಚಾರ್ಟ್)
- ಚಾರ್ಟ್ನ ARIA ಲೇಬಲ್:
ಪುನರಾವರ್ತಿತ ಸಿಮ್ಯುಲೇಟೆಡ್ ಜನಸಂಖ್ಯೆಗಳ ತಲೆಮಾರಿನ ಪ್ರಕಾರ ಆಲೀಲ್ ಆವರ್ತನ. - X-ಅಕ್ಷದ ಲೇಬಲ್:
ತಲೆಮಾರು. - Y-ಅಕ್ಷದ ಲೇಬಲ್:
ಆಲೀಲ್ ಆವರ್ತನ p. - ಉಲ್ಲೇಖ ರೇಖೆಯ ಲೇಬಲ್:
ನಿರೀಕ್ಷಿತ p = p₀. - ಪಥದ ಎಣಿಕೆಯ ಸೂಚಕ:
‹total› ಪಥಗಳಲ್ಲಿ ‹shown› ಅನ್ನು ತೋರಿಸಲಾಗುತ್ತಿದೆ; ಪ್ರತಿಯೊಂದು ರೆಪ್ಲಿಕೇಟ್ ಅನ್ನು ಸಾರಾಂಶದಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ.
ಸಾರಾಂಶ ಅಂಕಿಅಂಶಗಳು
- p = 1 ರಲ್ಲಿ ಸ್ಥಿರವಾಗಿದೆ
- p = 0 ರಲ್ಲಿ ನಷ್ಟವಾಗಿದೆ
- T ನಿಂದ ಹೀರಿಕೊಳ್ಳಲ್ಪಟ್ಟಿಲ್ಲ
- ಸರಾಸರಿ ಅಂತಿಮ p
- T ನಲ್ಲಿ ನಿರೀಕ್ಷಿತ H
- T ನಲ್ಲಿ ಸರಾಸರಿ ಸಿಮ್ಯುಲೇಟೆಡ್ H
- ಸರಾಸರಿ ಹೀರಿಕೊಳ್ಳುವ ತಲೆಮಾರು (ಹೀರಿಕೊಳ್ಳುವಿಕೆ ಸಂಭವಿಸದಿದ್ದರೆ ಇದು
ತಲುಪಿಲ್ಲಎಂದು ಪ್ರದರ್ಶಿಸುತ್ತದೆ)
ಸೂತ್ರ, ಬದಲಿ ಮತ್ತು ನಿಖರತೆ
ಸಿಮ್ಯುಲೇಟರ್ ಗಣಿತದ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಮತ್ತು ಅವುಗಳ ವಿವರಣೆಯನ್ನು ಈ ಕೆಳಗಿನಂತೆ ಪ್ರದರ್ಶಿಸುತ್ತದೆ:
- ಮಾದರಿ ಸೂತ್ರ:
ಪ್ರತಿ ತಲೆಮಾರಿನಲ್ಲಿ, Wright–Fisher ಪರಿವರ್ತನೆಯು ಮುಂದಿನ ಆಲೀಲ್ ಎಣಿಕೆಯನ್ನು ಮಾದರಿ ಮಾಡುತ್ತದೆ ಮತ್ತು ಲಭ್ಯವಿರುವ ಜೀನ್ ನಕಲುಗಳಿಂದ ಅದನ್ನು ಭಾಗಿಸುತ್ತದೆ: Xₜ₊₁ ~ Binomial(2Ne, pₜ); pₜ₊₁ = Xₜ₊₁ ÷ (2Ne). - ಮೊಮೆಂಟ್ಗಳು:
ಮಾದರಿ ಮಾಡುವ ಮೊದಲು, ಈ ಮೊಮೆಂಟ್ಗಳು ಮುಂದಿನ ತಲೆಮಾರುಗಳ ಸಂಭವನೀಯ ವ್ಯಾಪ್ತಿಯನ್ನು ವಿವರಿಸುತ್ತವೆ: E[Xₜ₊₁] = 2Ne·pₜ; Var(Xₜ₊₁) = 2Ne·pₜ(1 − pₜ); Var(pₜ₊₁) = pₜ(1 − pₜ) ÷ (2Ne). - ಹೆಟೆರೋಜೈಗೋಸಿಟಿ ಕ್ಷೀಣತೆ:
ಭಿನ್ನ ಆಲೀಲ್ ಜೋಡಿಗಳ ನಿರೀಕ್ಷಿತ ಪಾಲು t ತಲೆಮಾರುಗಳಲ್ಲಿ ಈ ಕೆಳಗಿನಂತೆ ಕ್ಷೀಣಿಸುತ್ತದೆ: H₀ = 2p₀(1 − p₀); Hₜ = H₀(1 − 1 ÷ (2Ne))ᵗ. - ಮೊದಲ ತಲೆಮಾರಿನ ಡ್ರಾಗಳು:
ಮೊದಲ ತಲೆಮಾರು 2 × ‹population› = ‹copies› ಆಲೀಲ್-ನಕಲು ಡ್ರಾಗಳನ್ನು ಬಳಸುತ್ತದೆ. - ನಿರೀಕ್ಷಿತ ಸರಾಸರಿ:
E[X₁] = ‹copies› × ‹frequency› = ‹mean› A ನಕಲುಗಳು. - ವ್ಯತ್ಯಾಸ ಮತ್ತು ಪ್ರಮಾಣಿತ ವಿಚಲನೆ:
ಮೊದಲ ತಲೆಮಾರಿಗೆ, Var(X₁) = ‹copies› × ‹frequency› × (1 − ‹frequency›) = ‹variance›; SD(p₁) = ‹sd›. - ಮೊದಲ ಪ್ಲಾಟ್ ಮಾಡಿದ ರೆಪ್ಲಿಕೇಟ್:
ಮೊದಲ ಪ್ಲಾಟ್ ಮಾಡಿದ ರೆಪ್ಲಿಕೇಟ್ X₁ = ‹sampled› A ನಕಲುಗಳನ್ನು ಮಾದರಿ ಮಾಡಿದೆ, ಆದ್ದರಿಂದ p₁ = ‹sampled› ÷ ‹copies› = ‹frequency›.
ವಿಧಾನ, ಊಹೆಗಳು ಮತ್ತು ಮಿತಿಗಳು
ಈ ಪುಟವು Nature Education ಮತ್ತು Stanford Human Genetics ಪಠ್ಯದಲ್ಲಿ ವಿವರಿಸಲಾದ ತಟಸ್ಥ ಡಿಪ್ಲಾಯ್ಡ್ Wright–Fisher ಮಾದರಿಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ. ಪ್ರತಿ ಹೊಸ ತಲೆಮಾರು ಹಿಂದಿನ ತಲೆಮಾರಿನಿಂದ 2Ne ಆಲೀಲ್ ನಕಲುಗಳ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯಾಗಿದೆ. ಮೂಲಗಳನ್ನು 6 ಆಗಸ್ಟ್ 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ.
ಗಣಿತದ ಮಾದರಿ ಮತ್ತು ನಿಖರತೆ
ಪ್ರತಿಯೊಂದು ದ್ವಿಪದ ಡ್ರಾವೂ ನಿಖರವಾದ Bernoulli ಮಾದರಿಯನ್ನು ಬಳಸುತ್ತದೆ; ಯಾವುದೇ ಸಾಮಾನ್ಯ ಅಂದಾಜನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ. ಲೆಕ್ಕಾಚಾರಗಳು JavaScript ಡಬಲ್ ನಿಖರತೆಯನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುತ್ತವೆ. ಆವರ್ತನಗಳು 1 ÷ (2Ne) ನ ಏರಿಕೆಗಳಲ್ಲಿ ಇರುತ್ತವೆ; ಪ್ರದರ್ಶನವು ಗರಿಷ್ಠ ಆರು ದಶಮಾಂಶ ಸ್ಥಾನಗಳಿಗೆ ಪೂರ್ಣಗೊಳಿಸುತ್ತದೆ.
ಕೆಲಸದ ಹೊರೆ ಮಿತಿ
ಬ್ರೌಸರ್ ಗರಿಷ್ಠ 5,000,000 ಯೋಜಿತ ಆಲೀಲ್-ನಕಲು ಡ್ರಾಗಳನ್ನು ಮಾತ್ರ ಅನುಮತಿಸುತ್ತದೆ, ಇದನ್ನು 2Ne × ತಲೆಮಾರುಗಳು × ರೆಪ್ಲಿಕೇಟ್ಗಳು ಎಂದು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ. ಈ ಮಿತಿಯನ್ನು ಮೀರಿದರೆ ಸಿಮ್ಯುಲೇಶನ್ ರನ್ ಆಗುವುದಿಲ್ಲ.
ಊಹೆಗಳು ಮತ್ತು ಮಿತಿಗಳು
ಈ ಮಾದರಿಯು ಸ್ಥಿರ ಪರಿಣಾಮಕಾರಿ ಜನಸಂಖ್ಯೆಯ ಗಾತ್ರ, ಪ್ರತ್ಯೇಕ ಅತಿಕ್ರಮಿಸದ ತಲೆಮಾರುಗಳು, ಯಾದೃಚ್ಛಿಕ ಸ್ವತಂತ್ರ ಮಾದರಿ, ಆಯ್ದ ತಟಸ್ಥತೆ, ಒಂದು ಅನ್ಲಿಂಕ್ಡ್ ಎರಡು-ಆಲೀಲ್ ಲೋಕಸ್, ಮತ್ತು ಯಾವುದೇ ರೂಪಾಂತರ ಅಥವಾ ವಲಸೆ ಇಲ್ಲ ಎಂಬ ಊಹೆಗಳನ್ನು ಆಧರಿಸಿದೆ. ಆಯ್ಕೆ, ಜನಸಂಖ್ಯೆಯ ಬದಲಾವಣೆ, ಲಿಂಗ ಅಥವಾ ಸಂತಾನೋತ್ಪತ್ತಿ-ಯಶಸ್ಸಿನ ಅಸಮತೋಲನ, ಅತಿಕ್ರಮಿಸುವ ತಲೆಮಾರುಗಳು, ಇನ್ಬ್ರೀಡಿಂಗ್, ಲಿಂಕೇಜ್, ಜೀನ್ ಹರಿವು ಅಥವಾ ಜನಸಂಖ್ಯೆಯ ರಚನೆಯು ಪ್ರಾಮುಖ್ಯತೆ ಹೊಂದಿರುವಾಗ ಇದನ್ನು ಮುನ್ಸೂಚನೆಯಾಗಿ ಬಳಸಬೇಡಿ. ಈ ಸಂಭವನೀಯ ಜೈವಿಕ ಮಾದರಿಗೆ ಎಂಜಿನಿಯರಿಂಗ್ ಸುರಕ್ಷತಾ ಅಂಶವು ಅನ್ವಯಿಸುವುದಿಲ್ಲ.
ಗೌಪ್ಯತೆ ಮತ್ತು ಡೇಟಾ ಸಂಸ್ಕರಣೆ
ನಿಮ್ಮ ನಿಯತಾಂಕಗಳು ಮತ್ತು ಸಿಮ್ಯುಲೇಟೆಡ್ ಜನಸಂಖ್ಯೆಗಳು ಈ ಬ್ರೌಸರ್ನಲ್ಲೇ ಉಳಿಯುತ್ತವೆ. ಎಲ್ಲಾ ಲೆಕ್ಕಾಚಾರಗಳು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗಳು ಸಂಪೂರ್ಣವಾಗಿ ಬಳಕೆದಾರರ ಬ್ರೌಸರ್ನಲ್ಲಿಯೇ ನಡೆಯುತ್ತವೆ ಮತ್ತು ಯಾವುದೇ ಡೇಟಾವನ್ನು ಸರ್ವರ್ಗೆ ಅಪ್ಲೋಡ್ ಮಾಡಲಾಗುವುದಿಲ್ಲ.
ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು (FAQ)
ಪ್ರಶ್ನೆ: ನಾನು ಸೆನ್ಸಸ್ ಗಾತ್ರವನ್ನು ನಮೂದಿಸಬೇಕೇ ಅಥವಾ ಪರಿಣಾಮಕಾರಿ ಜನಸಂಖ್ಯೆಯ ಗಾತ್ರವನ್ನೇ?
ಉತ್ತರ: ಪರಿಣಾಮಕಾರಿ ಜನಸಂಖ್ಯೆಯ ಗಾತ್ರ Ne ಅನ್ನು ನಮೂದಿಸಿ: ನೀವು ಅಧ್ಯಯನ ಮಾಡಲು ಉದ್ದೇಶಿಸಿರುವ ಜನಸಂಖ್ಯೆಯಷ್ಟೇ ದರದಲ್ಲಿ ಡ್ರಿಫ್ಟ್ ಆಗುವ ಆದರ್ಶೀಕರಿಸಿದ ಸಂತಾನೋತ್ಪತ್ತಿ ಜನಸಂಖ್ಯೆಯ ಗಾತ್ರ. ಲಿಂಗ ಅನುಪಾತಗಳು, ಸಂತಾನೋತ್ಪತ್ತಿ ಯಶಸ್ಸು, ಜನಸಂಖ್ಯೆಯ ಏರಿಳಿತಗಳು ಅಥವಾ ಜನಸಂಖ್ಯೆಯ ರಚನೆಯು ಅಸಮವಾಗಿದ್ದಾಗ ಸೆನ್ಸಸ್ ಗಾತ್ರವು ತುಂಬಾ ದೊಡ್ಡದಾಗಿರಬಹುದು.
ಪ್ರಶ್ನೆ: ಹೆಟೆರೋಜೈಗೋಸಿಟಿ ಕುಸಿದರೂ ಸರಾಸರಿ ಆಲೀಲ್ ಆವರ್ತನವು p₀ ಹತ್ತಿರ ಏಕೆ ಇರಬಹುದು?
ಉತ್ತರ: ಅನೇಕ ಸ್ವತಂತ್ರ ಜನಸಂಖ್ಯೆಗಳಲ್ಲಿ ತಟಸ್ಥ ಡ್ರಿಫ್ಟ್ ಯಾವುದೇ ಆದ್ಯತೆಯ ದಿಕ್ಕನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ಸರಾಸರಿ ಆವರ್ತನವು ನಿರೀಕ್ಷೆಯಂತೆ p₀ ಆಗಿ ಉಳಿಯುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಪ್ರತ್ಯೇಕ ಜನಸಂಖ್ಯೆಗಳು 0 ಅಥವಾ 1 ರ ಕಡೆಗೆ ಹರಡುತ್ತವೆ ಮತ್ತು ಎರಡೂ ಗಡಿಗಳು ಶೂನ್ಯ ಹೆಟೆರೋಜೈಗೋಸಿಟಿಯನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಆದ್ದರಿಂದ, ಜನಸಂಖ್ಯೆಯ ನಡುವಿನ ಸರಾಸರಿಯು ಬಹುತೇಕ ಬದಲಾಗದೆ ಉಳಿದಿದ್ದರೂ ಸಹ ವ್ಯತ್ಯಾಸವು ನಷ್ಟವಾಗುತ್ತದೆ.
ಪ್ರಶ್ನೆ: ಅಂತಿಮ ಸ್ಥಿರೀಕರಣದ ತಟಸ್ಥ ಸಂಭವನೀಯತೆಯು ಪ್ರಾರಂಭದ ಆವರ್ತನಕ್ಕೆ ಸಮನಾಗಿರುತ್ತದೆಯೇ?
ಉತ್ತರ: ಹೌದು, ಯಾವುದೇ ರೂಪಾಂತರ ಅಥವಾ ವಲಸೆ ಇಲ್ಲದ ಈ ತಟಸ್ಥ ಮಾದರಿಯಲ್ಲಿ, p₀ ಆವರ್ತನದಲ್ಲಿ ಪ್ರಾರಂಭವಾಗುವ ಆಲೀಲ್ ಅಂತಿಮ ಸ್ಥಿರೀಕರಣದ ಸಂಭವನೀಯತೆ p₀ ಮತ್ತು ನಷ್ಟದ ಸಂಭವನೀಯತೆ 1 − p₀ ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಮೇಲೆ ತೋರಿಸಿರುವ ದರಗಳು ನಮೂದಿಸಿದ ತಲೆಮಾರುಗಳು ಮತ್ತು ಪುನರಾವರ್ತನೆಗಳನ್ನು ಮಾತ್ರ ಒಳಗೊಂಡಿರುತ್ತವೆ, ಆದ್ದರಿಂದ ಅವು ಸೀಡ್ನೊಂದಿಗೆ ಬದಲಾಗುತ್ತವೆ.
ಪ್ರಶ್ನೆ: ಇದು ನೈಜ ಜನಸಂಖ್ಯೆಯು ಏನು ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಊಹಿಸಬಲ್ಲದೇ?
ಉತ್ತರ: ಇಲ್ಲ. ಇದು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಆದರ್ಶೀಕರಿಸಿದ ತಟಸ್ಥ Wright–Fisher ಮಾದರಿಯ ಅಡಿಯಲ್ಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ತೋರಿಸುತ್ತದೆ. ನೈಜ ಮುನ್ಸೂಚನೆಗಳಿಗೆ ಪರಿಣಾಮಕಾರಿ ಗಾತ್ರದ ಸಮರ್ಥನೀಯ ಅಂದಾಜುಗಳು ಮತ್ತು ಪ್ರಕರಣಕ್ಕೆ ಪ್ರಾಮುಖ್ಯತೆ ಇರುವ ಯಾವುದೇ ಆಯ್ಕೆ, ರೂಪಾಂತರ, ವಲಸೆ, ಬದಲಾಗುತ್ತಿರುವ ಜನಸಂಖ್ಯೆಯ ಗಾತ್ರ, ಅತಿಕ್ರಮಿಸುವ ತಲೆಮಾರುಗಳು, ಲಿಂಕೇಜ್ ಮತ್ತು ಜನಸಂಖ್ಯೆಯ ರಚನೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ.
ಪರಿಶೀಲಿಸಿದ ಮೂಲಗಳು
- Nature Education: Genetic Drift and Effective Population Size
- Stanford Human Genetics: Genetic Drift: What happens to alleles over time